1
resposta

Desafio: hora da prática

df['data_pedido'] = pd.to_datetime(df['data_pedido'])
df['data_chegada'] = pd.to_datetime(df['data_chegada'])

#Filtro 2013 a 2015
df_tempo = df.copy()
df_tempo = df_tempo[
    (df_tempo['data_pedido'] >= '2013-01-01') &
    (df_tempo['data_pedido'] <= '2015-12-31')
]

#Criar tempo de entrega 
df_tempo['tempo_entrega_dias'] = (df_tempo['data_chegada'] - df_tempo['data_pedido']).dt.days

#Criar coluna mês
df_tempo['mes'] = df_tempo['data_pedido'].dt.to_period('M').astype(str)

#Pivot table
entregas = df_tempo.pivot_table(
    index='pais',
    columns='mes',
    values='tempo_entrega_dias',
    aggfunc='mean'
)
entregas

#Estilização
s_entregas = (
    entregas.style
      .format('{:.1f}') 
      .set_sticky(axis="index")
)

s_entregas

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

1 resposta

Olá, Adriely! Como vai?

Parabéns pela resolução da atividade!

Observei que você explorou o uso de filtros temporais para selecionar os dados corretos, utilizou muito bem a criação de colunas derivadas para calcular o tempo de entrega e ainda compreendeu a importância das tabelas dinâmicas (pivot tables) para organizar e analisar os resultados por país e mês.

Continue postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.

Ícone de sugestão Para saber mais:

Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:

Fico à disposição! E se precisar, conte sempre com o apoio do fórum.

Abraço e bons estudos!

Alura Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!